踩了一个 java 命令行参数顺序的坑

tream

Stream是在Java SE 8 API添加的用于增强集合的操作接口，可以让你以一种声明的方式处理集合数据。将要处理的集合看作一种流的创建者，将集合内部的元素转换为流并且在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选，排序，聚合等。元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。Stream的继承关系图如下，且容我慢慢抽丝剥茧细细道来。

 

 

过滤,转换,聚合,归约

 

 

 

Stream.of("one", "two", "three", "four")

.filter(e -> e.length() > 3)

.peek(e -> System.out.println("Filtered value: " + e))

.map(String::toUpperCase)

.peek(e -> System.out.println("Mapped value: " + e))

.collect(Collectors.toList());

 

 

 

 

在没有Stream之前，我们对集合数据的处理到多是外部遍历，然后做数据的聚合用算，排序，merge等等。这属于OO思想，在引入Java SE 8引入FP之后，FP的操作可以提高Java程序员的生产力，，基于类型推断的lambda表达式可以 让程序员写出高效率、干净、简洁的代码。可以避免冗余的代码。根据给定的集合操作通过stream()方法创建初始流，配合map(),flatMap(),filter()对集合数据进行过滤,转换。api调用我这里就不多说了。直接从源码入手，看上图最核心的就是类为AbstractPipeline，ReferencePipeline和Sink接口.AbstractPipeline抽象类是整个Stream中流水线的高度抽象了源头sourceStage，上游previousStage，下游nextStage，定义evaluate结束方法，而ReferencePipeline则是抽象了过滤,转换,聚合,归约等功能，每一个功能的添加实际上可以理解为卷心菜，菜心就是源头，每一次加入一个功能就相当于重新长出一片叶子包住了菜心，最后一个功能集成完毕之后整颗卷心菜就长大了。而Sink接口呢负责把整个流水线串起来，然后在执行聚合,归约时候调AbstractPipeline抽象类的evaluate结束方法，根据是否是并行执行，调用不同的结束逻辑，如果不是并行方法则执行terminalOp.evaluateSequential否则就执行terminalOp.evaluateParallel，非并行执行模式下则是执行的是AbstractPipeline抽象类的wrapAndCopyInto方法去调用copyInto，调用前会先执行一下wrapSink，用于剥开这个我们在流水线上产生的卷心菜。从下游向上游去遍历AbstractPipeline，然后包装到Sink，然后在copyInto方法内部迭代执行对应的方法。最后完成调用，

并行执行实际上是构建一个ForkJoinTask并执行invoke去提交到ForkJoinPool线程池。

BaseStream

 

 

流的基本接口，该接口制定流可以支持无序，顺序,并行的，Stream实现了BaseStream接口。

• Iterator<T> iterator();外部迭代器

• Spliterator<T> spliterator();用于创建一个内部迭代器

• isParallel用于判断该stream是否是并行的

• S sequential();标识该stream创建是顺序执行的

• S parallel();标识该stream创建是并行的，需要使用ForkJoinPool

• S unordered();标识该stream创建是无序的

• S onClose(Runnable closeHandler);当stream关闭的时候执行一个方法回调去关闭流。

PipelineHelper

 

 

该抽象类主要定义了操作管道的核心方法，并且能收集到流管道内的所有信息。如通过TerminalOp#evaluateParallel用于执行并行流操作，通过TerminalOp#evaluateSequential执行顺序流的操作。

• abstract StreamShape getSourceShape();

• abstract int getStreamAndOpFlags();

• abstract<P_IN> long exactOutputSizeIfKnown(Spliterator<P_IN> spliterator);

将此时间的管道内的元素应用到提供的Spliterator，并将结果发送到提供的接收器sink里

• abstract<P_IN, S extends Sink<P_OUT>> S wrapAndCopyInto(S sink, Spliterator<P_IN> spliterator);

用于输出返回值的大小。

• abstract<P_IN> void copyInto(Sink<P_IN> wrappedSink, Spliterator<P_IN> spliterator);

用于将从Spliterator获得的元素推入提供的接收器中Sink。如果已知流管道中有短路阶段(包含StreamOpflag#SHORT_CURRENT)，则在每个元素之后执行一下Sink#cancellationRequested()，如果返回请求true，则执行终止。这个方法被实现之后需要遵守Sink的协议即：Sink#begin->Sink#accept->Sink->end

• abstract <P_IN> void copyIntoWithCancel(Sink<P_IN> wrappedSink, Spliterator<P_IN> spliterator);

用于将从Spliterator获得的元素推入提供的接收器中Sink。在每个元素之后执行一下Sink#cancellationRequested()，如果返回请求true，则执行终止。这个方法被实现之后需要遵守Sink的协议即：Sink#begin->Sink#accept->Sink->end

• abstract<P_IN> Sink<P_IN> wrapSink(Sink<P_OUT> sink);

该方法主要用于包装sink，从下游向上游去遍历AbstractPipeline，然后包装到一个Sink内，用于然后在copyInto方法内部迭代执行对应的方法。

• abstract Node.Builder<P_OUT> makeNodeBuilder(long exactSizeIfKnown,IntFunction<P_OUT[]> generator);

用于构造一个节点Builder，转换为数组去处理数组类型和PipelineHelper定义的输出类型一样。

• abstract<P_IN> Node<P_OUT> evaluate(Spliterator<P_IN> spliterator,boolean flatten,IntFunction<P_OUT[]> generator);

该方法将源拆分器应用到管道内的所有元素。针对数组处理。如果管道没有中间(filter,map)操作，并且源由一个节点支持(源头)，则该节点将被返回(内部遍历然后返回)。这减少了由有状态操作和返回数组的终端操作组成的管道的复制.例如:stream.sorted().toArray();该方法对应到AbstractPipeline内部，代码如下：

 

 

 

@Override

@SuppressWarnings("unchecked")

final <P_IN> Node<E_OUT> evaluate(Spliterator<P_IN> spliterator,

boolean flatten,

IntFunction<E_OUT[]> generator) {

if (isParallel()) {

// @@@ Optimize if op of this pipeline stage is a stateful op

return evaluateToNode(this, spliterator, flatten, generator);

}

else {

Node.Builder<E_OUT> nb = makeNodeBuilder(

exactOutputSizeIfKnown(spliterator), generator);

return wrapAndCopyInto(nb, spliterator).build();

}

}

 

 

 

 

AbstractPipeline

“管道”类的抽象基类，是流接口及其原始专门化的核心实现。用来表示流管道的初始部分，封装流源和零个或多个中间操作。对于顺序流和没有状态中间操作的并行流、并行流，管道中数据的处理是在一次“阻塞”所有操作的过程中完成的也就是最后才去处理。对于具有状态操作的并行流，执行被分成多个段，其中每个状态操作标记一个段的结束，每个段被单独评估，结果被用作下一个段的输入。上述所有情况，都是达到终端操作才开始处理源数据。

AbstractPipeline(Supplier<? extends Spliterator<?>> source,

int sourceFlags, boolean parallel)

创建源Source stage 第一个参数指定一个Supplier接口(工厂模式，只能生成Spliterator<?>的对象，根据传入的lambda实现，<? extends Spliterator<?泛型的PECS原则了解一下。)

AbstractPipeline(Spliterator<?> source,

int sourceFlags, boolean parallel)

创建源Source stage 第一个参数制定这个拆分器，和上面的构造方式一样，直接分析一下这个方法：

 

 

 

AbstractPipeline(Spliterator<?> source,

int sourceFlags, boolean parallel) {

this.previousStage = null;

this.sourceSpliterator = source;

this.sourceStage = this;

this.sourceOrOpFlags = sourceFlags & StreamOpFlag.STREAM_MASK;

// The following is an optimization of:

// StreamOpFlag.combineOpFlags(sourceOrOpFlags, StreamOpFlag.INITIAL_OPS_VALUE);

this.combinedFlags = (~(sourceOrOpFlags << 1)) & StreamOpFlag.INITIAL_OPS_VALUE;

this.depth = 0;

this.parallel = parallel;

}

 

 

 

 

创建Stream 源阶段的时候previousStage为null，this.sourceOrOpFlags = sourceFlags & StreamOpFlag.STREAM_MASK;用于设置当前阶段的标识位。this.combinedFlags = (~(sourceOrOpFlags << 1)) & StreamOpFlag.INITIAL_OPS_VALUE; 添加源阶段的对流的操作标识，这个combinedFlags是流在整个管道内部所有操作的合集，在最后的规约操作的时候去解析出来。

• AbstractPipeline(AbstractPipeline<?, E_IN, ?> previousStage, int opFlags)

根据上游创建下游Pipeline。

 

 

 

AbstractPipeline(AbstractPipeline<?, E_IN, ?> previousStage, int opFlags) {

if (previousStage.linkedOrConsumed)

throw new IllegalStateException(MSG_STREAM_LINKED);

previousStage.linkedOrConsumed = true;

previousStage.nextStage = this;

 

this.previousStage = previousStage;

this.sourceOrOpFlags = opFlags & StreamOpFlag.OP_MASK;

this.combinedFlags = StreamOpFlag.combineOpFlags(opFlags, previousStage.combinedFlags);

this.sourceStage = previousStage.sourceStage;

if (opIsStateful())

sourceStage.sourceAnyStateful = true;

this.depth = previousStage.depth + 1;

}

 

 

 

 

 this.sourceStage = previousStage.sourceStage;,用于上游和下游关联，this.combinedFlags = StreamOpFlag.combineOpFlags(opFlags, previousStage.combinedFlags);将上游的操作标识位添加到本阶段的操作标识位中。depth记录整个管道的中间操作数。

• final <R> R evaluate(TerminalOp<E_OUT, R> terminalOp)

进行终端汇聚计算。执行最终的计算，得到结果，根据是否是并行执行，调用不同的结束逻辑，如果不是并行方法则执行terminalOp.evaluateSequential否则就执行terminalOp.evaluateParallel。

• final Node<E_OUT> evaluateToArrayNode(IntFunction<E_OUT[]> generator)

处理流转换数组。

 

 

 

final Node<E_OUT> evaluateToArrayNode(IntFunction<E_OUT[]> generator) {

if (linkedOrConsumed)

throw new IllegalStateException(MSG_STREAM_LINKED);

linkedOrConsumed = true;

if (isParallel() && previousStage != null && opIsStateful()) {

depth = 0;

return opEvaluateParallel(previousStage, previousStage.sourceSpliterator(0), generator);

}

else {

return evaluate(sourceSpliterator(0), true, generator);

}

}

 

 

 

 

转换数组的时候，如果是并行流并且不是源阶段，而且调用过sorted||limit||skip||distinct这些有状态的操作之后，这里是个模版方法调用。实际上是通过调用DistinctOps||SortedOps||SliceOps这些实现的opEvaluateParallel方法，提交到ForkJoin线程池来转换数组。串行执行的时候直接执行evaluate(sourceSpliterator(0), true, generator);

• evaluate(sourceSpliterator(0), true, generator);

具体的执行方法，用于吧管道内部的输出结果放到Node中。

 

 

 

@Override

@SuppressWarnings("unchecked")

final <P_IN> Node<E_OUT> evaluate(Spliterator<P_IN> spliterator,

boolean flatten,

IntFunction<E_OUT[]> generator) {

if (isParallel()) {

// @@@ Optimize if op of this pipeline stage is a stateful op

return evaluateToNode(this, spliterator, flatten, generator);

}

else {

Node.Builder<E_OUT> nb = makeNodeBuilder(

exactOutputSizeIfKnown(spliterator), generator);

return wrapAndCopyInto(nb, spliterator).build();

}

}

@Override

final <P_IN> Node<P_OUT> evaluateToNode(PipelineHelper<P_OUT> helper,

Spliterator<P_IN> spliterator,

boolean flattenTree,

IntFunction<P_OUT[]> generator) {

return Nodes.collect(helper, spliterator, flattenTree, generator);

}

// Nodes.collect方法

public static <P_IN, P_OUT> Node<P_OUT> collect(PipelineHelper<P_OUT> helper,

Spliterator<P_IN> spliterator,

boolean flattenTree,

IntFunction<P_OUT[]> generator) {

long size = helper.exactOutputSizeIfKnown(spliterator);

if (size >= 0 && spliterator.hasCharacteristics(Spliterator.SUBSIZED)) {

if (size >= MAX_ARRAY_SIZE)

throw new IllegalArgumentException(BAD_SIZE);

P_OUT[] array = generator.apply((int) size);

new SizedCollectorTask.OfRef<>(spliterator, helper, array).invoke();

return node(array);

} else {

Node<P_OUT> node = new CollectorTask.OfRef<>(helper, generator, spliterator).invoke();

return flattenTree ? flatten(node, generator) : node;

}

}

 

 

 

 

如果是源是并行流的情况，以ReferencePipeline引用管道来看主要执行的是 return Nodes.collect(helper, spliterator, flattenTree, generator);，该collect方法内部根据切割器有无Spliterator.SUBSIZED确定了生成的Node的长度，主要工作是创建一个Task提交到线程池。然后调用invoke拿到结果。示例代码Arrays.asList("2","22","222").parallelStream().skip(2).toArray(); 整个流程如下：

 

 

串行执行示例代码Arrays.asList("2","22","222").stream().skip(2).toArray(); 整个流程如下：

 

 

• final Spliterator<E_OUT> sourceStageSpliterator()

获取Stream源头设置的拆分器，如果设置有则返回并且把源拆分器置空，如果有Supplier则调用get方法返回拆分器并且把源拆分器置空。

• public final S sequential()

设置为串行流 ，设置源的paraller属性为false。终态方法不允许重写

• public final S sequential()

设置为并行流 ，设置源的paraller属性为true。终态方法不允许重写

• public void close()

关闭管道的方法，在关闭的时候会把管道使用标志设置为false，拆分器设置为null，如果源的回调关闭Job存在不为null时则invoker这个回调Job。

• public S onClose(Runnable closeHandler)

用于注册关闭的回调job,在调用close的时候用于去执行这个回调job。

• public Spliterator<E_OUT> spliterator()

和sourceStageSpliterator方法一样的功能，只不过不是终态方法，可以重写用于自定义的拓展。

• public final boolean isParallel()

用于盘带你当前管道是否是并行流。

• final int getStreamFlags()

获取流的标志和Stream的包含的所有操作。

• private Spliterator<?> sourceSpliterator(int terminalFlags) {

获取源拆分器，和sourceStageSpliterator方法一样的功能，针对是并行流时候，并且是创建Stream阶段的话有中间状态，会组合流标志和操作构建拆分器。如果传入的操作码不等于0，那么则添加到拆分器的操作码中。

• final StreamShape getSourceShape()

输出Stream源的类型。（引用 OR int OR Double OR Long）

• final <P_IN> long exactOutputSizeIfKnown(Spliterator<P_IN> spliterator)

获取期望的size，如果拆分器如果有SIZE标志，调用拆分器的getExactSizeIfKnown方法，否则返回-1。

• final <P_IN, S extends Sink<E_OUT>> S wrapAndCopyInto(S sink, Spliterator<P_IN> spliterator)

封装整个管道的阶段，包装在Sink中。把每一个阶段串联起来。包装在Sink内部的downstream.

wrapAndCopyInto代码执行流程如下：

 

 

看完三件事❤️

如果你觉得这篇内容对你还蛮有帮助，我想邀请你帮我三个小忙：

 

1. 点赞，转发，有你们的 『点赞和评论』，才是我创造的动力。

2. 关注公众号 『 java烂猪皮 』，不定期分享原创知识。

3. 同时可以期待后续文章ing🚀